1、將數據在excel 表格中按以下順序排列好。第一列為年份，第二列為省份（省份用1-31個數字表示stata定義面板數據不行，字符不行），后面幾列為變量。
2、將Excel表格另存為CSV格式，在Stata中導入CSV格式的文檔（file--第一個選項，然后點，在跳出的“打開”文檔的文件類型選擇CSV，找到自己之前保存好的CSV文檔）。
3、定義面板數據，輸入以下命令：
. xtset year
4、單位根檢驗
面板數據的單位根檢驗方法有很多種，一般我們只選兩種，即相同根單位根檢驗和不同根單位根檢驗。如果數據是平衡的，則可使用LLC檢驗（適用于同根）和IPS檢驗（適用于不同根）。
一般的stata并沒有自帶這兩個程序需要自己下載安裝，我們可以在命令欄鍵入：, net和 , net，然后按照提示逐步安裝。也可直接輸入命令：ssc ，即自動完成安裝。在開始進行協整檢驗之前，需要將面板數據轉化為時間序列，使用以下命令：tsset year
單位根檢驗輸入如下命令：
變量名，lags(1)
變量名，lags(1)
如果存在單位根，則需要進行一階差分，并再次進行單位根檢驗，輸入以下命令：
D.變量名,lags(1)
注：Users of Stata 11+ use the 。
菜單： > /panel data> Unit-root tests
具體操作可以參照李子奈的說法：單位根檢驗是通過三個模型來完成，首先從含有截距和趨勢項的模型開始，再檢驗只含截距項的模型，最后檢驗二者都不含的模型。并且認為，只有三個模型的檢驗結果都不能拒絕原假設時，我們才認為時間序列是非平穩的，而只要其中有一個模型的檢驗結果拒絕了零假設，就可認為時間序列是平穩的。
例：首先檢驗含有截距和趨勢項的模型：
含有截距和趨勢項的模型存在單位根，再檢驗只含截距項的模型：
所以，lnx不存在單位根，數據是平穩的。
5、協整檢驗
如果基于單位根檢驗的結果發現變量之間是同階單整的，那么我們可以進行協整檢驗。但也有如下的寬限說法：如果變量個數多于兩個stata定義面板數據不行，即解釋變量個數多于一個，被解釋變量的單整階數不能高于任何一個解釋變量的單整階數。另當解釋變量的單整階數高于被解釋變量的單整階數時，則必須至少有兩個解釋變量的單整階數高于被解釋變量的單整階數。如果只含有兩個解釋變量，則兩個變量的單整階數應該相同。
在Stata中對面板數據進行協整檢驗的命令是，這個程序也是需要我們自己下載安裝的。
輸入命令： ,net
然后按提示安裝。也可直接輸入：ssc ，自動完成安裝。
另外一個協整命令：，也是需要安裝的。
在開始進行協整檢驗之前，需要將面板數據轉化為時間序列，使用以下命令：
year
協整的命令為：
[if exp] [in range] , lags(# [#]) leads(# [#])
(#)[ trend (#) mg]
例：
1、 lntfp lnx,lags(1)
2、 , trend lags(1) leads(1) (3)
6、進行回歸分析，輸入以下命令:
Xtreg 因變量 自變量
例如：
固定效應模型的回歸：xtreg lntfp lnx lnxg lnhr lnrd lnfdi，fe
本例中F統計量為0.0000，固定效應非常顯著，表明固定效應模型優于混合OLS模型。
下面，檢驗隨機效應模型是否顯著：
先安裝使用命令：
然后用命令：
檢驗得到的P值為0.0000，隨機效應模型非常顯著，表明隨機效應模型也優于混合OLS模型。至于固定效應模型和隨機效應模型的選擇，則要使用檢驗進行判斷。
7、檢驗判斷選擇固定還是隨機效應模型。檢驗的基本思想是：在固定效應u_i和其他解釋變數不相關的原假設下，用OLS估計的固定效應模型和用GLS估計的隨機效應模型的參數估計都是一致的。反之，OLS是一致的，但GLS則不是。因此，在原假設下，二者的參數估計應該不會有系統的差異，我們可以基于二者參數估計的差異構造統計檢驗量。如果拒絕了原假設，我們就認為選擇固定效應模型是比較合適的。
具體的命令輸入如下：
1. xtreg ,re
2. store
3. xtreg ,fe
4. store fixed
5.
例：
1、. xtreg lntfp lnx lnxg lnfdi,re
2、. store
3、.xtreg lntfp lnx lnxg lnhr lnrd lnfdi,fe
4、. store fixed
5、. fixed
此例中P值為0.0048，拒絕原假設，所以應該選擇固定效應模型。
8、以下是產生新變量以及刪除變量的命令
產生新變量lntfp，將變量tfp轉變為Ln的形式，輸入以下命令：
. gen lntfp=ln(tfp)
刪除變量使用以下命令：
drop 變量名